结合FCM和SVM的纹理分割算法

doi:10.3778/j.issn.1002-8331.2008.33.009

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (33): 32-33.DOI: 10.3778/j.issn.1002-8331.2008.33.009

结合FCM和SVM的纹理分割算法

刘路¹,王太勇²,蒋永翔²,支劲章¹

1.天津大学精密仪器与光电子工程学院，天津 300072
2.天津大学机械工程学院，天津 300072

收稿日期:2008-07-10 修回日期:2008-08-28 出版日期:2008-11-21 发布日期:2008-11-21
通讯作者: 刘路

Algorithm of texture segmentation combining FCM and SVM

LIU Lu¹,WANG Tai-yong²,JIANG Yong-xiang²,ZHI Jin-zhang²

1.School of Precision Instrument and Opto-electronics Engineering，Tianjin University，Tianjin 300072，China
2.School of Mechanical Engineering，Tianjin University，Tianjin 300072，China

Received:2008-07-10 Revised:2008-08-28 Online:2008-11-21 Published:2008-11-21
Contact: LIU Lu

摘要/Abstract

摘要： 支持向量机由于其具备的各种优点在图像分割领域得到越来越广泛的应用。但是作为有监督的分类器，它无法自动获取图像中的类别特征。针对这一问题，提出一种结合模糊聚类技术与支持向量机的纹理分割算法，实现了纹理图像的自动分割。在Matlab 7.0平台下进行仿真实验，得到良好效果。实验结果证明该算法能有效地提高纹理图像分割的精度。

关键词: 模糊聚类, 支持向量机, 纹理分割, 小波变换

Abstract: Support Vector Machine（SVM） is more and more utilized in the field of image segmentation because of its various virtues.However，as a kind of supervised classifier，SVM can’t automatically extract feature in the image.To solve this problem，a texture segmentation algorithm combing the fuzzy C-means clustering algorithm（FCM） and support vector machine is proposed.Then automatic texture segmentation is carried out.Based on Matlab 7.0，simulation experiment is carried through，and this algorithm has presented its validity in improving segmentation precision.

Key words: fuzzy clustering, support vector machine, texture segmentation, wavelet transform

刘路¹,王太勇²,蒋永翔²,支劲章¹. 结合FCM和SVM的纹理分割算法[J]. 计算机工程与应用, 2008, 44(33): 32-33.

LIU Lu¹,WANG Tai-yong²,JIANG Yong-xiang²,ZHI Jin-zhang². Algorithm of texture segmentation combining FCM and SVM[J]. Computer Engineering and Applications, 2008, 44(33): 32-33.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[6]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[11]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[12]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[13]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[14]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[15]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.

结合FCM和SVM的纹理分割算法

Algorithm of texture segmentation combining FCM and SVM

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics